WILD

WILD Lab

DIE STIMME KOMMT AUS DEM COMPUTER, DIE INTERPRETATION VOM MENSCHEN: WAS YAMAHAS VOCALOID7 VERÄNDERT

Eine neue KI-Gesangsengine, gezielte Kontrolle über Aussprache und Stimmcharakter sowie eine deutlich engere Verbindung zu Cubase. Yamaha entwickelt seinen Gesangssynthesizer weiter und setzt auf musikalische Gestaltung statt ausschließlich auf fertige Ergebnisse.

Text: WILD Redaktion ·

DIE STIMME KOMMT AUS DEM COMPUTER, DIE INTERPRETATION VOM MENSCHEN: WAS YAMAHAS VOCALOID7 VERÄNDERT

Yamaha hat VOCALOID7 veröffentlicht und damit seine bekannte Gesangssynthese nach vier Jahren grundlegend weiterentwickelt. Die zweite Generation der VOCALOID:AI-Engine ermöglicht neue Eingriffe in Aussprache, Artikulation und Stimmcharakter. Komponisten können Melodien, Liedtexte und Tonhöhenverläufe präzise bearbeiten, während die Verbindung zu Cubase enger wird. WILD LAB untersucht die Funktionen, technischen Voraussetzungen und den Unterschied zwischen einem steuerbaren Gesangsinstrument und einem KI-Songgenerator.

Eine Melodie ist geschrieben, der Text steht fest und das Arrangement wartet auf eine Gesangsstimme. Früher bedeutete das häufig, einen Sänger aufzunehmen oder einzelne Silben mit erheblichem Aufwand in einem Gesangssynthesizer zu bearbeiten. Generative Musiksysteme können inzwischen komplette Gesangspassagen aus Beschreibungen erzeugen, doch die gezielte Kontrolle über jede einzelne Note ist dabei nicht selbstverständlich. Genau auf diese andere Form der Musikproduktion konzentriert sich Yamaha mit der neuen Version seiner Gesangssoftware VOCALOID.

Am 11. November 2026 wurde VOCALOID7 offiziell veröffentlicht, vier Jahre nach der vorherigen Hauptversion. Der Hersteller kombiniert eine weiterentwickelte Gesangssynthese mit neuen Funktionen für die musikalische Gestaltung und einer umfangreicheren Integration in Steinbergs Cubase. Dabei steht nicht die automatische Erfindung eines vollständigen Songs im Mittelpunkt, sondern die Umsetzung einer Melodie und eines Textes durch eine synthetische Gesangsstimme. WILD LAB untersucht, was diese Arbeitsweise von heutigen Musikgeneratoren unterscheidet und wie sich die technischen Neuerungen sinnvoll beurteilen lassen.

🟨 HIER BESTIMMT DER KOMPONIST DIE NOTEN

Das grundlegende Prinzip von VOCALOID unterscheidet sich deutlich von der einfachen Beschreibung eines gewünschten Musikstücks. Nutzer geben Melodien als musikalische Noten ein und verbinden diese mit den Silben beziehungsweise Wörtern, die später gesungen werden sollen. Eine Gesangssynthese erzeugt daraus die entsprechende Stimme und berücksichtigt die festgelegten Tonhöhen, Notenlängen sowie weitere musikalische Einstellungen. Dadurch bleiben wesentliche Teile der Gesangsführung unmittelbar editierbar.

Eine musikalische Phrase muss deshalb nicht vollständig neu erzeugt werden, nur weil eine einzelne Note verändert werden soll. Auch Textkorrekturen, rhythmische Anpassungen oder neue melodische Varianten lassen sich innerhalb der Bearbeitungsoberfläche vornehmen. Für Komponisten ist das besonders interessant, wenn eine bestimmte Gesangslinie bereits feststeht und präzise umgesetzt werden soll. Die künstlerische Arbeit verlagert sich dabei nicht auf einen immer neuen Prompt, sondern auf die gezielte Bearbeitung eines digitalen Instruments.

🟨 EINE NEUE KI-ENGINE FÜR MEHR AUSDRUCK

Im Mittelpunkt von VOCALOID7 steht die zweite Generation der VOCALOID:AI-Gesangssynthese. Yamaha verspricht damit eine natürlichere und ausdrucksstärkere Umsetzung musikalischer Vorgaben, ohne dass sämtliche Details einer Stimme manuell eingestellt werden müssen. Eine wichtige Neuerung ist der Parameter ATTACK, der die Schärfe und Deutlichkeit der Artikulation beeinflussen soll. Musiker können damit beispielsweise untersuchen, wie sich die Betonung einer Silbe verändert, ohne die eigentliche Melodie umzuschreiben.

Zusätzlich ermöglicht VOICE TYPE den Wechsel zwischen unterschiedlichen Stimmcharakteren innerhalb einer dafür geeigneten Stimmenbibliothek. Eine Stimme kann dadurch je nach unterstützter Variante einen weicheren, kräftigeren oder anders gefärbten Ausdruck erhalten, ohne dass grundsätzlich ein anderer Sänger ausgewählt werden muss. Allerdings steht diese Funktion nur für entsprechende VOCALOID7-Stimmenbibliotheken zur Verfügung. Besitzer älterer Stimmen sollten deshalb nicht erwarten, dass sämtliche neuen Ausdrucksmöglichkeiten automatisch auf ihre bisherigen Produkte übertragen werden.

🟨 TONHÖHEN WERDEN ZUM GESTALTBAREN MATERIAL

Eine der interessantesten Erweiterungen betrifft den Umgang mit Tonhöhenverläufen innerhalb einer Gesangsphrase. VOCALOID7 erlaubt es, bestimmte Pitch-Kurven festzuhalten und anschließend mit unterschiedlichen Stimmenbibliotheken wiederzuverwenden. Außerdem können Verläufe direkt im Piano-Roll-Bereich eingezeichnet werden, sodass sich musikalische Feinheiten gezielter gestalten lassen. Damit erhalten Produzenten zusätzliche Kontrolle über den Verlauf einer Melodie zwischen den eigentlichen Notenpositionen.

Gerade diese Zwischenräume sind für eine glaubwürdige Gesangsdarbietung von großer Bedeutung. Ein langsames Hineingleiten in eine Note, ein leichter Übergang zwischen zwei Silben oder eine bewusst gehaltene Tonhöhe kann die emotionale Wirkung einer Passage verändern. Mit den neuen Funktionen lassen sich solche Entscheidungen genauer vorbereiten und zwischen mehreren Stimmen vergleichen. Ob die erzeugte Darbietung anschließend wirklich überzeugend klingt, hängt jedoch weiterhin von der verwendeten Stimmenbibliothek, dem musikalischen Kontext und den vorgenommenen Einstellungen ab.

🟨 CUBASE WIRD ZUM DIREKTEN ARBEITSPLATZ

Besonders umfangreich fällt die neue Integration in Cubase aus, das ebenfalls zur Yamaha-Unternehmensgruppe gehört. Melodien und Liedtexte können nun direkt innerhalb des Cubase Key Editors bearbeitet werden, während wichtige VOCALOID-Parameter in die gewohnte Produktionsumgebung eingebunden sind. Dadurch müssen Nutzer für zahlreiche grundlegende Arbeitsschritte nicht ständig zwischen zwei unterschiedlichen Bearbeitungsoberflächen wechseln. Die Synchronisierung umfasst neben musikalischen Noten auch wichtige Transport- und Positionsinformationen der laufenden Produktion.

VOCALOID7 lässt sich darüber hinaus auf Windows und macOS verwenden und unterstützt sowohl den eigenständigen Betrieb als auch verschiedene Plugin-Formate. Für andere kompatible Musikprogramme stehen unter anderem VST3 und AU sowie eine ARA2-Anbindung zur Verfügung, wobei der Funktionsumfang nicht mit der speziellen Cubase-Integration gleichgesetzt werden sollte. Die Vollversion enthält zudem Cubase AI als Einstieg in die Musikproduktion, während diese Zugabe bei der Upgrade-Version nicht enthalten ist. Damit unterscheidet Yamaha klar zwischen einem allgemeinen Pluginbetrieb und einer besonders tiefen Einbindung in die eigene Softwareumgebung.

🟨 STIMMENBIBLIOTHEKEN HABEN EIGENE CHARAKTERE

Zur Vollversion gehört die neue Stimme asa, mit der Nutzer unmittelbar nach der Installation erste Gesangspassagen erstellen können. Zusätzlich wurden zum Verkaufsstart fünf weitere Stimmenbibliotheken veröffentlicht, darunter AI Megpoid, Gekiyaku V, Kazehiki V, NurseRobot_TypeT und LUCI. AI Megpoid basiert auf der Stimme der Sängerin und Synchronsprecherin Megumi Nakajima und zeigt, dass solche Produkte häufig auf einer bewusst gestalteten Verbindung zwischen menschlicher Stimmvorlage und digitaler Verarbeitung beruhen. Die Stimmenbibliotheken unterscheiden sich hinsichtlich ihrer Charakteristik und teilweise auch ihrer verfügbaren Ausdrucksvarianten.

Eine interessante Entscheidung betrifft die Abwärtskompatibilität, denn Stimmenbibliotheken von VOCALOID3 bis VOCALOID6 bleiben grundsätzlich nutzbar. Allerdings werden ältere Stimmen nicht automatisch auf die neue Synthesegeneration umgestellt, sodass sich auch bei der Klangqualität Unterschiede zwischen den Bibliotheken ergeben können. Außerdem bieten die neuen Stimmenbibliotheken jeweils eine eingeschränkte Lite-Version des Editors, mit der sich erste Produktionen auch ohne Kauf der vollständigen Editorversion erstellen lassen. Diese Lite-Ausgabe unterstützt lediglich eine Gesangsspur und eine Audiospur, während die Vollversion wesentlich umfangreichere Projekte erlaubt.

🟨 SO LÄSST SICH DIE NEUE GESANGSTECHNIK VERGLEICHEN

Für einen aussagekräftigen WILD-LAB-Test sollte zunächst eine kurze, selbst geschriebene Gesangsphrase mit klar festgelegter Melodie und identischem Liedtext angelegt werden. Anschließend ließe sich dieselbe Passage mit unterschiedlichen ATTACK-Einstellungen rendern, um die Veränderungen von Konsonanten, Silbenanfängen und musikalischer Betonung hörbar zu machen. Ein zweiter Vergleich könnte verschiedene VOICE-TYPE-Varianten derselben Stimmenbibliothek gegenüberstellen. Die ursprüngliche Melodie und das Tempo müssten dabei unverändert bleiben, damit tatsächlich die veränderten Stimmparameter bewertet werden.

Ein weiterer Test würde dieselbe Tonhöhenkurve mit zwei unterschiedlichen Stimmenbibliotheken verwenden und prüfen, wie zuverlässig die gewünschte musikalische Gestaltung übertragen wird. Besonders interessant wären langsame Balladenpassagen, in denen künstlich wirkende Übergänge leichter auffallen, und rhythmisch anspruchsvolle Gesangslinien mit kurzen Silben. Neben der Klangqualität sollten auch Bedienbarkeit, Rechenleistung und die Möglichkeiten zur nachträglichen Bearbeitung bewertet werden. Diese Kriterien beschreiben einen reproduzierbaren Prüfaufbau und stellen ausdrücklich noch kein von WILD selbst durchgeführtes Hörergebnis dar.

🟨 KAUFPREIS, TESTVERSION UND TECHNISCHE GRENZEN

Die VOCALOID7-Vollversion kostet im internationalen Shop 129 US-Dollar vor Steuern und enthält bereits die Stimme asa. Für berechtigte Besitzer früherer Versionen bietet Yamaha ein Upgrade an, das regulär 69 US-Dollar kostet und bis zum 20. Dezember 2026 vorübergehend für 39 US-Dollar erhältlich ist. Zusätzlich steht eine zeitlich begrenzte Testversion für 31 Tage zur Verfügung. Weitere Stimmenbibliotheken können zusätzliche Kosten verursachen, sodass die Gesamtausgaben vom individuell gewünschten Stimmenangebot abhängen.

Technisch setzt die neue Software unter Windows mindestens Windows 11 und auf dem Mac eine unterstützte aktuelle macOS-Version voraus, wobei mindestens acht Gigabyte Arbeitsspeicher benötigt werden. Die Synthese unterstützt bei entsprechenden VOCALOID:AI-Stimmen Gesang in Japanisch, Englisch und Chinesisch, wodurch sich nicht jede gewünschte Sprache automatisch mit gleicher Qualität realisieren lässt. Auch beim Wechsel von älteren Projekten ist Vorsicht sinnvoll, weil sich durch die neuen Berechnungsverfahren die akustischen Ergebnisse verändern können. Wer eine vorhandene Produktion migriert, sollte deshalb die ursprüngliche Version sichern und insbesondere bei komplexen Gesangsarrangements sorgfältig vergleichen.

🟨 EINE KI-STIMME MUSS NICHT AUTOMATISCH SINGEN, WAS SIE WILL

VOCALOID7 steht für eine Form künstlicher Intelligenz, bei der die Maschine nicht den vollständigen musikalischen Inhalt bestimmen muss. Der Mensch kann Melodie, Text, Timing und Ausdruck weitgehend selbst gestalten, während das System die gewünschte Stimme synthetisch erzeugt. Diese Arbeitsweise eröffnet andere Möglichkeiten als ein Generator, der aus wenigen Anweisungen eine komplette Aufnahme produziert. Sie verlangt allerdings auch ein stärkeres musikalisches Verständnis und die Bereitschaft, einzelne Details bewusst zu bearbeiten.

Damit zeigt Yamaha, dass die Weiterentwicklung künstlicher Intelligenz in der Musik nicht zwangsläufig zu immer stärkerer Automatisierung führen muss. Ebenso kann sie dazu dienen, ein bereits vorhandenes digitales Instrument präziser, ausdrucksstärker und leichter bedienbar zu machen. Ob VOCALOID7 im Studio den gewünschten Qualitätsgewinn bringt, werden praktische Vergleiche mit unterschiedlichen Stimmen und Musikstilen zeigen müssen. Die eigentliche Stärke des Konzepts liegt darin, dass die Stimme zwar künstlich erzeugt wird, die musikalische Interpretation aber weiterhin bis ins Detail vom Komponisten gestaltet werden kann.